一种基于空间自相关的事故多发点鉴别方法及装置制造方法及图纸

本发明专利技术属于道路安全评价技术领域，公开了一种基于空间自相关的事故多发点鉴别方法及装置，从事故分布的地理角度出发，以道路空间单元之间的临近关系为前提，结合道路空间单元上的事故属性值描述其地理分布特征，采用核密度估计以及空间自相关方法进行事故多发点的鉴别，克服了现有技术事故中的多发点鉴别过程采用经典数理统计的分析方法，以致研究数据可视化表达能力较差的缺陷，本发明专利技术能够鉴别路段和交叉路口的事故多发点，使鉴别结果更准确，与此同时，采用基于空间位置和地理位置信息，充分利用空间分析功能，对潜在事故原因的挖掘奠定基础。

【技术实现步骤摘要】

本专利技术属于道路安全评价
，涉及一种基于空间自相关的事故多发点鉴别方法及装置。
技术介绍
事故多发点的鉴别是道路安全评价及有针对性地对交通安全措施进行改善的重要前提，常用的事故多发点鉴别方法有事故数法、事故率法、当量总事故数法、聚类分析和经验贝叶斯法等。事故数法和事故率法旨在确定一个临界值作为判断事故多发点的指标，应用于公路，不考虑随机波动的影响，不适用于大规模的鉴别；矩阵法在一定程度上克服了事故数法和事故率法的缺陷，综合事故数法和事故率法对待测点进行排序和鉴别，但是其判断标准有一定的主观性，依然不能处理随机波动的问题；灰度评价法基于灰色理论，判断标准仍然具有一定的主观性；质量控制法以事故率作为鉴别指标，根据统计学原理去除评价指标的邻接空间，需要相似地点的大量历史数据，我国现阶段的数据资料尚不具备条件，另外，工作量大；当量事故总数法是基于微观交通分析的非统计安全评价法，虽然不依赖于事故的统计数据，但是调查量巨大，可移植性差；经典贝叶斯法考虑了事故的随机性，提高了预测的准确性，但是数据采集量大，程序操作复杂。上述事故多发点鉴别分析过程中，基本依靠经典数理统计分析方法与模型，研究结果表现形式单一，数据可视化表达能力较差；一般将交叉口与路段分别评价，忽略了两者相互影响；此外，忽略事故发生的空间位置和地理属性信息，空间分析功能不足，对潜在事故原因的挖掘深度不够。
技术实现思路
本专利技术的目的在于提供一种基于空间自相关的道路事故多发点鉴别方法，克服现有技术中的鉴别事故多发点时鉴别因素不全面、对潜在事故原因深度挖掘不够的缺陷。为达到上述目的，本专利技术采用的技术方案为：一种基于空间自相关的道路事故多发点鉴别方法，包括如下步骤：采用非参数核密度估计模型表示待测区域内的待检测事故点的二维分布；确定所述核密度估计模型的最优窗宽h0；采用基于地理系统的“面-弧”网络拓扑模型构建空间统计单元；判定所述空间统计单元上的事故属性是否呈现空间自相关；若所述空间统计单元上的事故属性呈现空间自相关，则计算所述空间统计单元的局部统计量的标准化Z(i)值的分布结果；根据所述局部统计量的标准化Z(i)值的分布结果生成事故多发点的分布图。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述核密度估计模型的核密度函数为：u^(x)=1nhdΣi=1nk(l-lih);]]>其中，k()为核函数，h为窗宽，n为待测区域内的待测事故点的个数，d为数据的维数，(l-li)为待测事故点到事故点li的距离。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述确定所述核密度函数的最优窗宽，包括：获取所述待测事故点在所述待测区域内的真实密度f(x)；获取所述核密度函数与所述真实密度f(x)的积分均方误差最小时的对应的窗宽h0，即为最优窗宽。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述核密度函数与所述真实密度f(x)的积分均方误差计算公式为：其中为所述核密度函数、为所述积分均方误差。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述采用基于地理系统的“面-弧”网络拓扑模型构建空间统计单元，包括：将待测区域分为交叉路口区域和路段区域；交叉路口区域内的事故点，通过“面”与“点”的运算规则建立交叉路口与事故的空间关系；路段区域的事故点，通过空间数据叠合运算建立道路与事故的空间关系，并且在所述通过空间数据叠合预算建立空间关系前，在地理信息系统(GeographicInformationSystem，简称GIS)中为弧段设预设宽度的缓冲区。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述判定所述空间统计单元上的事故属性是否呈现空间自相关，包括：步骤S41，计算事故属性的自相关指数I、期望E(I)及期望E(I)与方差构造的标准化Z1值；步骤S42，判断所述事故属性的自相关指数I是否大于零，若是，则说明统计单元的邻近区域的事故属性呈空间正相关，继续步骤S43，否则，退出本次操作；步骤S43，所述自相关指数的期望与方差构造的标准化Z1的值大于预设值时，表示统计单元上所述空间邻接或空间邻近的区域的事故属性呈空间自相关。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述自相关指数I的计算方法为：I=nΣΣwij(SPi-S‾P)(SPj-S‾P)(ΣΣwij)(Σ(SPi-SP-)2);]]>其中，wij为空间单元i与j之间位置关系的空间权重矩阵，SPi，SPj为空间单元i和j处的事故数或事故严重程度；为事故数或事故严重程度的平均值，n为空间单元总数。上述基于空间自相关的道路事故多发点鉴别方法，其中，在所述判定所述空间统计单元上的事故属性是否呈现空间自相关前，还包括：确定事故属性为事故严重程度和/或事故数。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述事故严重程度的计算方法为：SPs=Σp=1Pfps×wp]]>其中，SPs为预设地点s处的事故严重程度指数，fps为地点s处事故类型p的频数，wp为死亡、重伤及轻伤的权重系数，P为考虑的事故类型的种类数。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述计算所述空间统计单元的局部统计量的标准化Z值的分布结果之前，还包括：计算局部Gi统计量；计算局部Gi统计量的期望E(Gi)和方差Var(Gi)；计算所述局部统计量Gi的标准化Z(i)值。上述基于空间自相关的道路事故多发点鉴别方法，其中，所述计算局部Gi统计量的方法为：Gi(d)=Σjwij(d)SPjΣjSPj;]]>所述局部Gi统计量的期望E(Gi)的计算方法为：E(Gi)＝W/n；所述局部Gi统计量的方差Var(Gi)的计算方法为：Var(Gi)=S2SP-×Wi(n-Wi)n-1;]]>所述计算所述局部统计量Gi的标准化Z值的方法为：Z(i)=Gi(d)-E(Gi)Var(Gi(d));]]>其中，SPj为空间单元j处的事故严重程度，为空间事故严重程度平均值。相应地，本专利技术还提供一种基于空间自相关的道路事故多发点鉴别装置，包括：模型表示单元，用于采用非参数核密度估计模型表示待测区域内的待检测事故点的二维分布；最优窗宽确定单元，用于确定所述核密度估计模型的最优窗宽h0；构建单元，用于采用基于地理系统的“面-弧”网络拓扑模型构建空间统计单元；判断单元，用于判定所述空间统计单元上的事故属性是否呈现空间自相关；计算单元，用于当所述空间统计单元上的事故属性呈现空间自相关时，计算所述空间统计单元的局部统计量的标准化Z(i)值的分布结果；分布图生成单元，用于根据所述局部统计量的标准化Z(i)值的分布结果生成事故多发点的分布图。由于采用上述技术方案，本专利技术具有如下有益效果：1.本专利技术提供的基于空间自相关的事故多发点鉴别方法及装置，从事故分布的地理角度出发，以道路空间单元之间的临近关系为前提，结合道路空间单元上的事故属性值描述其地理分布特征，采用核密度估计以及空间自相关方法进行事故多发点的鉴别，克服了现有技术事故中的多发点鉴别过程采用经典数理统计的分析方法，以致研究数据可视化表达本文档来自技高网...

【技术保护点】
一种基于空间自相关的道路事故多发点鉴别方法，其特征在于，包括如下步骤：采用非参数核密度估计模型表示待测区域内的待检测事故点的二维分布；确定所述核密度估计模型的最优窗宽h0；采用基于地理系统的“面‑弧”网络拓扑模型构建空间统计单元；判定所述空间统计单元上的事故属性是否呈现空间自相关；若所述空间统计单元上的事故属性呈现空间自相关，则计算所述空间统计单元的局部统计量的标准化Z(i)值的分布结果；根据所述局部统计量的标准化Z(i)值的分布结果生成事故多发点的分布图。

【技术特征摘要】
1.一种基于空间自相关的道路事故多发点鉴别方法，其特征在于，包括如下步骤：采用非参数核密度估计模型表示待测区域内的待检测事故点的二维分布；确定所述核密度估计模型的最优窗宽h0；采用基于地理系统的“面-弧”网络拓扑模型构建空间统计单元；判定所述空间统计单元上的事故属性是否呈现空间自相关；若所述空间统计单元上的事故属性呈现空间自相关，则计算所述空间统计单元的局部统计量的标准化Z(i)值的分布结果；根据所述局部统计量的标准化Z(i)值的分布结果生成事故多发点的分布图。2.根据权利要求1所述基于空间自相关的道路事故多发点鉴别方法，其特征在于，所述核密度估计模型的核密度函数为：u^(x)=1nhdΣi=1nk(l-lih);]]>其中，k()为核函数，h为窗宽，n为待测区域内的待测事故点的个数，d为数据的维数，(l-li)为待测事故点到事故点li的距离。3.根据权利要求1所述基于空间自相关的道路事故多发点鉴别方法，其特征在于，所述确定所述核密度函数的最优窗宽，包括：获取所述待测事故点在所述待测区域内的真实密度f(x)；获取所述核密度函数与所述真实密度f(x)的积分均方误差最小时的对应的窗宽h0，即为最优窗宽。4.根据权利要求3所述基于空间自相关的道路事故多发点鉴别方法，其特征在于，所述核密度函数与所述真实密度f(x)的积分均方误差计算公式为：其中为所述核密度函数、为所述积分均方误差。5.根据权利要求1所述基于空间自相关的道路事故多发点鉴别方法，其特征在于，所述采用基于地理系统的“面-弧”网络拓扑模型构建空间统计单元，包括：将待测区域分为交叉路口区域和路段区域；交叉路口区域内的事故点，通过“面”与“点”的运算规则建立交叉路口与事故的空间关系；路段区域的事故点，通过空间数据叠合运算建立道路与事故的空间关系，并且在所述通过空间数据叠合预算建立空间关系前，在地理信息系统中为弧段设预设宽度的缓冲区。6.根据权利要求1所述基于空间自相关的道路事故多发点鉴别方法，其特征在于，所述判定所述空间统计单元上的事故属性是否呈现空间自相关，包括：步骤S41，计算事故属性的自相关指数I、期望E(I)及期望E(I)与方差构造的标准化Z1值；步骤S42，判断所述事故属性的自相关指数I是否大于零，若是，则说明统计单元的邻近区域的事故属性呈空间正相关，继续步骤S43，否则，退出本次操作；步骤S43，所述自相关指数的期望与方差构造的标准化Z1的值大于预设值时，表示统计单元上所述空间邻接或空间邻近的区域的事故属性呈空间自相关；优选地，所述自相关指数I的计算方法为：I=nΣ...

【专利技术属性】
技术研发人员：张兰芳，陈雨人，王震宇，蒋宏，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31